[2022] 신약후보물질 탐색 및 최적화를 위한 딥러닝 모델

[2022] 신약후보물질 탐색 및 최적화를 위한 딥러닝 모델 Certificate

Class Introduction

강의 소개 및 개요입니다.

성명	김동섭	소속기관	KAIST
과목명	신약후보물질 탐색 및 최적화를 위한 딥러닝 모델	강의시간	4
학습목표	단백질-리간드 결합구조 정보를 이용한 binding affinity 예측 및 최적화를 위한 딥러닝 모델에 대해 학습한다.

Course Introduction

신약후보물질 탐색 및 최적화를 위한 딥러닝 모델 강의 과정입니다.

1	단백질-리간드 Binding affinity 예측 모델 서열 정보 기반 Binding affinity 예측모델 - 구조 기반 Binding affinity 예측모델 Network 기반 Binding affinity 예측모델
2	GCN을 이용한 binding affinity 예측 모델 Graph Convolutional Network (GCN) 모델 2차원 화합물 구조 표현을 위한 GCN 모델 - binding affinity 예측을 위한 GCN 모델
3	신약후보물질 최적화를 위한 딥러닝 모델 - Docking 강화 학습
4	강화학습 및 도킹을 활용한 신약후보물질 최적화 MolDQN 모델 Morld 모델

Classification

Professor